設計過去歷史的掃描邏輯，以了解常見市場模式在單個時間範圍內再次出現的機率

我應該如何設計算法，在一個時間範圍內從所有“蠟燭”中收集 VWAP，並確定常見的模式，比如圖像中的一次。我不確定邏輯設計是否需要基於 AI 的方法，或者是否已經有為此目的的庫設計。我不是在尋找已經存在的專有解決方案，因為他們不會分享他們如何完成解決方案的整體架構。

我只是想看看根據過去的歷史計算特定市場中模式重現機率是否有價值。不確定是否在任何標記的地方嘗試過，但如果是的話，我也會感謝任何連結或參考資料指向我可以學習的閱讀材料。

這種類型的反應功能可以使用規則引擎自動化。

1. 將圖片轉換為數字序列，例如：

• 雙頂 =3,-1,1,-1
• 頭肩 =4,-1,2,-2,1,-1
• 上升楔形 =3,-1,1.1,-0.9,1.0,-0.8,0.9
• ETC

2. 為每個序列創建一個規則，配置規則以維護N+1vwap 蠟燭的滑動視窗，其中 N 是序列長度。例如，雙頂規則需要 5 根蠟燭。
3. 編寫一個函式將使用者友好的序列號轉換為返回單位，以便將3,-1,1,-1序列例如轉換為1.003,0.999,1.001,0.999. 回報是 VWAPt/VWAPt-1。實際返回與序列完全匹配的可能性為零，因此要麼舍入返回有效數字，要麼允許每個序列有小的偏差。
4. 配置在序列匹配時執行的響應操作。這將是啟動掛單和止損/止盈止損的步驟，自動或作為人工確認的建議。

引用自：https://quant.stackexchange.com/questions/61433